Nat Mach Intell | 陈盛泉团队提出基于正则化重心映射的单细胞数据批次整合方法

摘要：近年来，单细胞转座酶可及染色质测序技术（scATAC-seq）以前所未有的分辨率揭示全基因组范围内的染色质开放状态，为理解基因调控机制提供了深刻见解。然而，在对多样本进行整合分析时，样本间存在的技术性差异，如“批次效应”，会严重干扰真实的生物学信号。尽管已有一

近年来，单细胞转座酶可及染色质测序技术（scATAC-seq）以前所未有的分辨率揭示全基因组范围内的染色质开放状态，为理解基因调控机制提供了深刻见解。然而，在对多样本进行整合分析时，样本间存在的技术性差异，如“批次效应”，会严重干扰真实的生物学信号。尽管已有一些数据整合工具，但它们或非专为scATAC-seq数据设计，效果不佳；或在校正过程中破坏了细胞原有的生物学异质性，且仅能在低维空间中进行校正，导致原始高维信息的丢失。

2025年8月27日，南开大学数学科学学院陈盛泉教授团队在Nature Machine Intelligence发表题为“Rigorous integration of single-cell ATAC-seq data using regularized barycentric mapping”的研究论文，提出了一个名为Fountain的深度学习框架，其核心创新在于使用了正则化重心映射解决批次校正问题。该方法基于最优传输理论，在对齐不同批次数据分布的同时，融入了数据自身的几何结构信息（图1）。这一设计使得Fountain能够在有效去除批次效应的同时，保护数据内在的生物学异质性。Fountain还支持在线整合，即模型训练一次后，便可随时将新的数据批次投影到已整合的空间中，无需重新训练，极大地提升了大规模数据整合的效率。此外，不同于多数方法只能输出低维表示，Fountain能够生成经过批次校正且增强后的、与原始数据维度一致的scATAC-seq数据，极大地便利了基于原始维度信息的多种下游分析。

图1 Fountain的模型框架

研究团队在七个涵盖不同物种、测序技术和复杂度的真实scATAC-seq数据集上，将Fountain与六种当前主流的整合方法进行了全面的性能比较。结果表明，Fountain在聚类准确性、批次校正效果和避免过度校正等多个指标上表现出最优的综合性能。同时，通过Fountain重建的原始维度数据能够显著提升下游生物学分析的质量。例如，Fountain可以帮助研究者更清晰地识别差异可及性峰，将细胞类型注释的准确率平均提升55.5%，并揭示出更精准的细胞特异性功能通路和遗传力富集，助力细胞类型特异性生物机制的发现。

南开大学数学科学学院“省身班”本科生朱书辰、花赫阳为本文的共同第一作者，陈盛泉教授为本文的通讯作者。

相关代码与数据：https://github.com/BioX-NKU/Fountain

课题组主页：https://biox-nku.cn

学术合作组织

（*排名不分先后）